预编码技术在无人机通信系统中的应用研究

　　摘要：随着无线通信和电子技术的发展，无人机在很多领域得到广泛应用。其通信系统大多工作在微波频段，属于视距通信范畴。为了实现对无人机的超视距指挥控制，改善无人机上下行链路的通信性能，可以依托地面有线网络将多个无人机地面站组网使用。其中，从无人机至地面站的下行链路可采用多用户MIMO的信道模型，利用预编码技术来抵御多径干扰和信道噪声。该文介绍在准确掌握信道状态信息的前提下，几种常见的预编码技术。针对无人机使用场景，对这些预编码技术进行分析对比，提出基于最大化SLNR准则的预编码技术能够在性能和复杂度之间取得较好的折中。未来，改进信道状态信息获取方法以及在掌握部分信道状态信息的条件下进行预编码设计将是重要的研究方向。

　　关键词：无人机;通信系统：预编码技术;最大化SLNR准则：信道状态信息

　　Abstract: With the development of wireless communication and electronic technology, UAV is wid ely used in many fields. Most of its communication svstems work in the microwave band and belong to the field of line of sight communication. In order to realize the over-the-horizon command and control of UAV and improve the communication performance of UAV uplink and downlink, multiple UAV ground stations can be networked by relying on the ground wired network. Among them, the downlink from UAV to ground station can adopt the channel model of multi-user MIMO, and use pre-cod ing technology to resist the multipath interference and channel noise. This paper introduces several common pre-coding techniques on the premise of masterind channel state information accurately. Aiming at the UAV application scenario, the paper analyzes and compares these pre-coding technologies, and proposes that the pre-coding technology based on maximizing SLNR criterion can achieve a good compromise between performance and complexity. In the future, it will bee arimportant research direction to improve the channel state information acquisition method and pre-coding design under the condition of mastering partial channel state information.

　　Key words: UAV: communication system; pre-coding technolog y: maximizing SLNR criterion; channel state information

　　0引言

　　无人驾驶飞行器(UAV，Unmanned Aerial Vehicle)简称无人机，源于战场上的军事需求并诞生于20世纪初"，是由无线电遥控和机载程序控制装置操控的无人飞行器。随着无线通信和电子技术的发展，随着无线通信和电子技术的发展，无人机因为灵活性高、自主性强和易部署等优点在很多领域得到广泛应用，如侦察巡逻叫远程打击門搜索救援和农业遥感等等。

　　无人机通常采用工作在微波频段的视距通信系统。

　　为了实现对无人机的超视距指挥控制，改善无人机上下行链路的通信性能，可以依托地面有线网络将多个无人机地面站组网使用。当无人机通信范围内存在多个地面站时，可以通过构建多个信道以提升传输速率或改善通信质量。只要这些地面站相隔距离较远，即可认为信道间相互独立。根据概率论的相关知识可知，多个独立信道传输信号时同时遭遇深衰落的可能性要远远低于单个信道传输信号时遭遇深衰落的可能性，因此组网后无人机通信系统的传输性能将大大增强。

　　本文首先介绍无人机通信系统的工作原理，进而重点对下行链路的信道进行数学建模。通过引入多用户MIMO的相关概念，研究预编码技术及其在无人机通信系统中的应用情况，对不同预编码技术进行对比分析。其中，基于最大化SLNR准则的预编码技术能够在性能和复杂度方面取得较好的折中，非常适合在无人机下行链路中予以应用。最后，本文还对无人机通信系统中预编码技术的未来发展进行了展望。

　　1无人机通信系统

　　出于对制造工艺、生产成本、传输性能等多个方面的综合考虑，绝大多数的无人机通信系统都工作在微波频段(300MHz至3000GH2P。由于微波的频率较高，波长又很短，其在空中的传播特性与光波相近，也就是直线前进，遇到阻挡就被反射或被阻断，因此微波通信的主要方式是视距通信，超过视距以后需要中继转发"。微波在空气中的传播存在损耗，随着通信距离的增加信号会逐步衰减。同时，实际环境中电波的传播要受到地形和气候的影响，引起信号的反射、折射、绕射、散射和吸收等现象，导致信号产生衰落，降低传输质量。其中，由地形遮蔽引起的阴影慢衰落和多径传播信道导致的多径快衰落最为常见，其示意图如图1所示。

　　2信道模型

　　利用组网技术将无人机活动区域周边多个地面站综合运用，既可以实现无人机超视距指挥控制，也可以通过构建多个信道显著提升传输速率或改善通信质量，如图 2 所示。

　　操作员通过地面站向无人机发射信号时，可以根据无人机的实时位置和通信范围，结合信道质量评估结果，选择一个或多个最优地面站通过不同的时隙、基于不同的载频或采用不同的编码完成数据发送。无人机上的接收机对这些信号进行统一的合并处理就可以高质量的还原出原始信号。同理，对于下行链路，无人机通过机上的全向或定向天线发射信号后，其通信范围内的多个地面站均可接收到该信号，将这些信号统一汇总至操作员所在的数据处理节点进行合并即可达到分集接收的目的。只要多个地面站相隔距离较远，即可认为这些传输信道在时间域、频率域或码域的相关性较低，属于相互独立的信道，其1道模型与用户MMO通信系统相仿，如图3所示。

　　假定无人机下行链路中，共有n个地面站在其通信范围以内，且各地面站相隔较远，可视其信道相互独立。

　　用s，1s isn，表示无人机发往第i个地面站的原始信号。这些原始信号经不同预编码wals isn，处理后，从发射端合并发出，发射信号可表示为-2ws。不同地面站i接收到的信号可表示为：

　　其中，Hos;，为有效信号分量，H.Ew，为干扰信号A分量，为信道噪声。对这些接收信号进行适当的均衡

　　处理，即可最大程度的在各地面站还原出原始信号。

　　3预编码技术

　　在现有研究中，一般都假设系统发射端可获得准确

　　的信道状态信息(CSI，Channel State Informationy"。在此基础上，可以运用不同的预编码技术来提升系统增益。根

　　据实际发送信号与原始信号是否呈线性关系，预编码技术也可分为线性预编码和非线性预编码两类。其中，线性预编码技术虽然在性能上不及非线性预编码技术，但

　　是其复杂度低，易于实现，因此应用更加广泛，包括迫零

　　(ZF，Zero Forcing)预编码、最小均方误差(MMSE，Mnimum Mean Square Error)预编码等。非线性预编码技术主要有最大化信干噪比(SINR，Signal to Inter ference-plus-Noise Ratio)预编码、最大化信漏噪比(SLNR，Signal to Leakag-

　　plus-Noise Ratio)预编码等。

　　3.1迫零(ZF)预编码

　　所谓ZF预编码，就是利用信道增益矩阵的伪逆进

　　行预编码处理，从而消除不同信号之间相互干扰的影响。针对无人机下行链路，所有地面站接收信号可统一表示为：

　　当预编码矩阵Ww，w2 w，HBH"(Hy'时，各地面站接收到的信号可表示为：由式()可知，经ZF预编码后，各地面站之间的信号干扰被完全消除。

　　32最小均方误差(MMSE)预编码MMSE预编码是以收发信号的均方误差最小为原则来设计预编码矩阵的0可用式(4)表示接收信号与原始信号之间的均方误差：e=Ell-sllEW St-sl)

　　基于MMSE准则的预编码矩阵可表示为：

　　其中，N0 的取值与信道噪声功率有关。当信道噪声较低，即 N0→0 时，基于 MMSE 准则的预编码矩阵与 ZF预编码矩阵相同。

　　3.3 最大化信干噪比(SINR)预编码

　　根据式(1)，各无人机地面站的信干噪比可表示为：

　　其中Ro，1s isn表示各信道的噪声功率。所谓最大化SINR预编码就是通过合理的设计预编码矩阵w，，is isn，使各路信号的SINR值最大。可将其转换为联合优化求最优题。目，(DPC，Dirty Paper Coding)预编码技术就是一种最常见的基于最大化SINR准则的预编码解决方案，它把信道比作一张白纸，干扰信号可视为这张纸上的污点，有效信号是纸上的字。

　　DPC预编码技术在假设发射端完全掌握信道状态信息，可准确计算干扰情况的前提下，通过预编码矩阵使字分布在白纸上没有污点的部分进行传输，而不是去除污点，实现对干扰和噪声的最佳联合抑制。

　　3.4最大化SLNR预编码

　　对于任意一个无人机地面站，其SINR的值不仅与自身的预编码有关，还受所有其它信道的预编码影响，这种联合优化问题很难求得预编码矩阵的全局最优解。

　　为解决计这个难题，有学者提出了SLNR的概念，如式(所述。

　　3.5分析对比

　　使用迫零预编码技术虽然能够完全消除不同地面站之间的干扰，但是因为没有考虑信道噪声的影响，在低信噪比条件下会导致有用信号的功降低，减小信噪比(SNR，Signal to Nise Ratio，影响原始信号的检测。

　　同时，使用迫零预编码技术要求信道矩阵存在逆矩阵，这就对无人机的发射天线和地面站的接收天线数目提出了要求，不能灵活适应不同的使用场景。

　　使用MMSE预编码技术可以有效克服迫零预编码技术的不足，在兼顾信道间干扰和信道噪声影响的同时，还能消除对发射端、接收端天线数目的限值，因此MMSE预编码技术的性能要优于迫零预编码技术。并且在信噪比近似于无穷大的传输条件下，MMSE预编码技术近似等效于迫零预编码技术。

　　使用最大化SINR预编码技术可以获得最优的信号检测性能。但是其算法的复杂度太高，不容易求得联合优化条件下的最优解，对于无人机这种对信息实时性要求很高，且设备体积、成本都受限的场景，最大化SINR预编码技术暂不适合使用。

　　最大化SLNR预编码技术虽然也属于非线性预编码技术的范畴，但是其算法的复杂度低，在准确掌握信道状态信息的前提下，只需要进行特征向量的求解。且各预编码矩阵的计算过程相互独立，可以并行开展。同时，如果通过各信道传输的信号泄漏功率较小，那么也可近似认为在接收端能够获得较好的SINR表现。仿真结果证明，在不同信噪比区间，最大化SLNR预编码技术确实可以在算法性能和实现复杂度之间获得最好的折中叭。

　　4未来展望

　　如前文所述，当下常见的多用户MMO预编码技术基本都需要以系统发射端能够准确获得信道状态信息为前提。要想准确获得信道状态信息，一般都是在有效信号发射前先按照预定规则发送一段固定长度的训练导频，接收端将实际解析结果与预定规则进行对比完成信道估计，再将结果反馈至发射端"。在此过程中，导频信号和估计反馈都需要消耗一定的信道资源，如何提升效率是亟需解决的难题。

　　此外，对于时分双工(TD，Time Division Duplexing)

　　系统，由于其具有互易性的特点，因此发射端可以通过信道估计较为轻易的得到信道状态信息。然而在频分双工(FD，Frequency Division Duplexing)系统中，上下行链路并不具备互易性，发送端不能通过信道估计来获取信道状态信息。这种情况下，可以通过对信道状态信息进行量化以压缩信道的必要自由度，实现有限反馈。同时，需要对各类预编码技术进行一定的适应性改造，以提升其在部分信道状态信息条件下的性能表现。

　　5结语

　　随着无线通信和电子技术的发展，无人机得到了越来越广泛的应用，其与多个地面站之间的通信可以参考多用户MIMO的信道模型。本文研究预编码技术及其在无人机通信系统中的应用情况，对基于不同原则的预编码技术进行对比分析。基于最大化SLNR准则的预编码技术能够在性能和复杂度方面取得较好的折中，非常适合在无人机下行链路中予以应用。而如何高效获取信道状态信息以及如何在只掌握部分信道状态信息的情况下对预编码技术进行适应性改造将是后续重点研究的核心问题。

　　参考文献：

　　[1]秦博，王蕾无人机发展综述D飞航导弹，2002，84-10.

　　[2]Semsch EJakob MPavlicek D，et al.Autonomous UAV surveillance in complex urban environments[CV2009 IEEE/WICIACM Intemnational Joint Conference on Web Intelligence and Intelligent Agent Technology，2009(2)：82-85.

　　[3]Bhattacharya S，Basar T.Game-theoretic analysis of an aerial jamming attack on a UAV communication network[C]//Proceedings of the 2010 American Control Conference，2010：818-823.

　　[4]Tomic T.Schmid K，Lutz P.et al.Toward a Fully Autonomous UAV：Research Platform for Indoor and Outdoor Urban Search and RescueJ IEEE Rdbotics&Autamation Magazine，2012.19(3)：46-56.

　　[5]杨青，赵锋，李阳基于CH的无人机地面站软件设计J电子质量，2017.(5)148-51，56.

　　[6]吴波，周武，金彬，地面小型无人平台协同p].指挥信息系统与技术2014，5(3)54-58.

　　[7]董晓华，阚春荣分集合并及Rake接收抗多径衰落技术即电子质量，2014，(3)25-27，31.

　　[8]朱煜良，赵智全，姚长虹，等无人机通信干扰电磁环境半实物仿真系统.电讯技术，2019，59(4)476-481.

　　[9]罗卫兵，王永生无人机平台的超视距多链路中继[J遥测遥控，2003，24(2)，32-35.

　　[10解女兰.下行多用户MIMO系统预编码和功率分配的联合优化研究[D].杭州浙江大学，2017.

　　[11]1李振一，刘梦璐大规模MIMD系统中信道状态信息获取方法的概述D]广东通信技术，2016，36(11)：30-34，42.

　　[12)张卓大规模多用户MIMO预编码方案的研究[D.哈尔哈尔工程大学，2017.

　　[13]曹颖鸿.多用户MIMO无线通信系统的预编码技术研究].大连：大连理工大学，2013.

　　[14]李星.多用户MIMO系统中的编码技术研究[D]石家庄河北科技大学2019.

　　[15孙成越多用户MIMO系统下行链路预编码技术研究[D].西安：西安电子科技大学，2017.

　　[16]Tarighat A，Sadek M，Sayed A H.A multi user beamfoming scheme for downlink MIMO channels based on maximizing signal-to-leakage ratios[C/IEEE International Conference on Acoustics，Speech，and Singal Processing.Pennsylvania，USA，2005：11 29-1132.

　　[17]Sadek MTarighat A，Sayed A H.A Leakage-Based Precoding Scheme for Downlink Multi-User MIMO Channels[J]IEEE Transactions on Wireless Communications，2007，6(51711-1721.

　　[18]陈绍银，周金荣，游行远，等基于信道估计的Turbo均衡算法在数据链中应用[J].指挥信息系统与技术，2017，8(6)76-81.

　　[19张倩，谢显中多用户MIMO中基于部分信道状态信息预编码的稳健性研究[重庆邮电大学学报(自然科学版)，2009，21(131-33，49.

期刊VIP网，您身边的高端学术顾问

文章名称： 预编码技术在无人机通信系统中的应用研究

文章地址： http://www.qikanvip.com/mianfeiwx/56619.html